应用型本科高校经管专业统计学教学实证分析 ——以莆田学院为例

针对应用型本科高校统计学教学效果不佳的现状,在莆田学院经管类专业展开问卷调查,并采用问卷数据进行实证分析。统计分析发现,学生对统计学的使用性认知有限、努力程度不足,统计学教学和考核偏理论、缺乏实际应用等问题。因子分析表明,影响教学效果的多个变量可降维为教师教学水平、学生学习投入、专业联系度、实践教学和教材适用度5个因子。回归分析表明,这5个公因子对教学效果均存在显著影响。最后,提出相关建议:提高教师教学水平、改变学生对统计学使用性的认知、增加实践学时等。     

二值响应数据贝叶斯中位数估计

中位数回归是一种稳健的估计方法,在实践中有着广泛应用.基于贝叶斯方法研究二值响应数据的中位数估计问题,通过引入合适的潜在变量得到了贝叶斯层次模型,进而得到易于后验抽样的吉布斯抽样程序.为验证新方法估计的稳健性,通过大量数据模拟,并与已有方法进行比较,得到了满意的结果.最后实例数据分析进一步证明了所提方法的有效性.     

基于动态可调簇的无线传感网络能量感知数据存取算法

针对无线传感网中数据收集、存储和查询的需要,提出了一种基于动态可调簇的能量感知数据存取算法ACEDBA(Adjusted Cluster-based energy-aware Data Brokerage Algorithm).该算法将网络节点分成许多簇结构,簇内节点负责数据采集,簇首节点负责簇内数据的收集、汇聚和转发,数据可以集中存储,也可以分布存储在各簇首节点或本地存储.算法引入能量分级消耗机制,可动态选择和调整簇首节点,保证各簇首节点簇内数据存储和簇间数据转发查询的能量平衡.实验结果表明,与典型数据存取算法相比,该算法的节点能耗均衡、生命周期和查询成功率方面具有优势.     

基于Euler公式的无尺度分布Gini系数估计公式

为了解决集中化指数代替Gini系数度量规模和空间分布不平衡引发的偏差问题, 提出一个Gini系数的近似估计思路。针对社会经济系统中的无尺度分布现象, 借助Euler公式, 基于Zipf定律, 推导一个累积分布的对数函数, 据此构造一个Gini系数的近似估计公式。将此公式应用于京津冀城镇体系, 借助夜晚灯光数据计算22年的Gini系数。结果表明Gini系数与集中化指数存在显著差异。由此得出结论: 集中化指数适用于有尺度分布现象, 所提新方法则适用于无尺度分布现象。研究结果有助于认识不平衡测度的适用范围, 并可为进一步发展Gini系数的直接估计方法提供参考。     

基于分隔符的跨站脚本攻击防御方法

通过分析跨站脚本攻击的特性, 提出一种基于分隔符的跨站脚本攻击防御方法, 该方法适用于UTF-8编码的Web应用程序。首先, 仅对可信数据中的分隔符进行积极污点标记; 然后, 利用字符UTF-8编码值的转换轻量级完成污点标记, 该污点信息可随着字符串操作直接传播到结果页面; 最后, 根据结果页面中分隔符的污点信息及页面上下文分析, 检查脚本执行节点的合法性和脚本内容的可靠性, 精确地检测并防御跨站脚本攻击。针对PHP平台实现了原型系统XSSCleaner。实验证明, XSSCleaner可轻量级地完成污点分析, 并且能够对跨站脚本攻击进行精确防御, 页面生成的时间开销平均为12.9%。     

一种改进的适用于数字助听器的基于非线性频率压缩的多通道响度补偿方法

为了改进数字助听器中的响度补偿, 并提高高频部分的语音可懂度, 提出一种基于非线性频率压缩的多通道响度补偿的综合方法。首先, 为了避免语音的频率畸变, 基于语音可懂度进行频谱的多通道划分。然后, 采用一种非线性的频率压缩方法, 将高频部分的声音压缩至患者能听到的低频部分。所提出的非线性频率压缩方法是基于不同频段对语音理解度的贡献占比来改变频率压缩比。最后, 为了实现自适应的响度补偿同时防止传统宽动态范围压缩的固定压缩比降低语音质量, 采用一种随时间可变压缩比的自适应宽动态范围压缩方法。实验结果表明, 相对于传统的宽动态范围压缩和频率压缩方法, 该方法可以改善20%的语音鉴别准确率。     

基于贝叶斯与因果岭回归的物联网流量预测模型

针对物联网流量预测困难的问题,提出了一种基于贝叶斯与因果岭回归的物联网流量预测模型.该模型首先根据物联网流量传输波动影响链路变化等因果关系,深入刻画物联网流量局部特征,并利用薛定谔方程优化识别模型,同时结合贝叶斯拟合因果关系联合岭回归方法建立预测模型.最后,通过仿真实验研究了该模型与其他方法之间的性能状况,结果表明该模型在平均队列、阻塞率和延迟率等方面具有较大优势.     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

一致性特征下综合体停车需求预测方法

基于单一建筑功能停车需求一致性特征的分析,采用停车需求高峰比系数对建筑功能停车需求分布趋势进行分时刻描述,提出了单一建筑功能停车需求预测的影响系数修正模型,并基于共享停车理念建立了综合体停车需求预测三步骤模型,且在实际案例中进行了良好的应用.由于采用了分时刻需求分布预测法,综合体停车需求的预测结果信息较为丰富,也为停车设施后期的精细化管理提供了良好的数据支持.